来源：期刊VIP网 时间：
作者：陈天宸;刘勇;
单位：三峡大学计算机与信息学院;中首数字科技有限公司;
摘要：激光扫描点云技术虽已广泛应用于三维建模领域，但也普遍存在部位缺失的问题，导致难以重建高精度实体模型；同时现有的建模方法成本高昂，且面对实际工业场景中大批量同类型模型时人力资源消耗过大。虽然模型库替换方案能提升效率，但其生成的模型往往与原始点云比例失配，难以满足实际生产需求。为此，提出一种基于物体类别识别的参数化逆向建模方法，可有效解决部位缺失问题，且能动态调整尺寸，满足不同场景需求。该方法首先采用深度学习网络对残缺点云进行分割与分类，获取残缺物体的类别与型号；然后通过包围盒计算获取物体的尺寸及位置信息，再利用3D建模软件对物体不同部件进行参数化驱动并组装，实现对实体模型的高精度逆向建模；最后利用ICP配准算法进行相似度检测，确保重建模型与原始点云的几何一致性。
关键词：激光点云;;参数化建模;;逆向建模;;深度学习;;残缺点云;;ICP配准
